在MATLAB中，有多种方法可以用来绘制正态分布图或进行正态分布的拟合。以下是几种常用的方法：
方法一：使用 `normpdf` 和 `plot` 函数
你可以使用 `normpdf` 函数计算正态分布的概率密度函数，然后使用 `plot` 函数绘制曲线。
```matlab
% 定义变量
x = -4:0.1:4；
y = normpdf（x, 0, 1）；
% 绘制正态分布图
figure；
plot（x, y）；
grid；
legend（'标准正态分布'）；
```
方法二：使用 `gaussmf` 函数
`gaussmf` 函数可以直接绘制正态分布的累积分布函数（CDF）。
```matlab
% 定义变量
x = 0:0.1:10；
y = gaussmf（x, [2 5]）；
% 绘制正态分布图
plot（x, y）；
xlabel（'x'）；
ylabel（'gaussmf, P=[2 5]'）；
```
方法三：使用 `randn` 函数生成随机数并绘制正态分布图
`randn` 函数可以生成正态分布的随机数，然后可以使用 `plot` 函数绘制这些随机数的直方图，从而近似正态分布。
```matlab
% 生成1000个0到1之间的随机数
x = randn（1000, 1）；
% 绘制正态分布图
plot（x）；
xlabel（'x'）；
ylabel（'y'）；
color = 'red'；
plot（x, color）；
```
方法四：使用 `histfit` 函数拟合正态分布
`histfit` 函数可以方便地拟合正态分布并绘制直方图和拟合曲线。
```matlab
% 导入数据
data = normrnd（10, 4, 200, 1）；
% 拟合正态分布
[muhat, sigmahat] = normfit（data）；
% 绘制直方图和拟合曲线
hist（data, 50）；
hold on；
plot（muhat + sigmahat * norminv（0.5:0.99, 0, 1）, normpdf（muhat + sigmahat * norminv（0.5:0.99, 0, 1）, muhat, sigmahat）, 'r-'）；
hold off；
xlabel（'x'）；
ylabel（'y'）；
```
方法五：使用 `normfit` 函数进行最大似然估计
`normfit` 函数可以实现正态分布参数的最大似然估计，并返回均值和标准差。
```matlab
% 样本数据
x = [1.2, 3.4, 2.1, 0.5, 4.3]；
% 拟合正态分布
[muhat, sigmahat] = normfit（x）；
% 输出估计结果
fprintf（'估计的均值： %.2f\n', muhat）；
fprintf（'估计的标准差： %.2f\n', sigmahat）；
```
总结
以上方法涵盖了从简单的概率密度函数绘制到复杂的最大似然估计和拟合。根据你的具体需求选择合适的方法即可。